本文主要是介绍最小化构建基于深度学习的原子间势能和力场模型-DeePMD-kit，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
最小化构建基于深度学习的原子间势能和力场模型-DeePMD-kit
- DeePMD-kit手册
- 1. 关于DeePMD-kit
- 1.1 亮点功能
- 2. 代码结构
- 3. 许可和致谢
- 4. Deep Potential简介
- 5. 下载和安装
- 6. 使用DeePMD-kit
- 7. 故障排除
- 7.1 模型兼容性
- 7.2 安装：不足版本的gcc/g++
- 7.3 安装：在DeePMD-kit中留下构建文件
- 7.4 MD：安装新版本的DeePMD-kit后无法运行LAMM
DeePMD-kit手册
1. 关于DeePMD-kit
DeePMD-kit是一个用Python/C++编写的软件包，旨在最小化构建基于深度学习的原子间势能和力场模型以及执行分子动力学（MD）所需的工作量。这为分子模拟中准确性与效率的两难问题提供了新的解决方案。DeePMD-kit的应用范围从有限分子到扩展系统，从金属系统到化学键合系统。
更多信息，请查阅[文档](Documentation Status)。
1.1 亮点功能
- 与TensorFlow接口，使训练过程高度自动化和高效。
- 与高性能的经典MD和量子（路径积分）MD软件包LAMMPS和i-PI接口。
- 实现了成功应用于有机分子、金属、半导体、绝缘体等有限和扩展系统的Deep Potential系列模型。
- 实现了MPI和GPU支持，使其在高性能并行和分布式计算中高效运行。
- 高度模块化，易于适应基于深度学习的势能模型的不同描述符。
2. 代码结构
DeePMD-kit的代码组织如下：
- data/raw: 用于操作原始数据文件的工具。
- examples: 示例json参数文件。
- source/3rdparty: DeePMD-kit使用的第三方软件包。
- source/cmake: 用于构建的CMake脚本。
- source/ipi: i-PI客户端的源代码。
- source/lib: DeePMD-kit库的源代码。
- source/lmp: Lammps模块的源代码。
- source/op: TensorFlow op实现，与库一起使用。
- source/scripts: 模型冻结的Python脚本。
- source/train: 用于训练和测试的Python模块和脚本。
3. 许可和致谢
DeePMD-kit项目在GNU LGPLv3.0下许可。如果您在未来的出版物中使用此代码，请引用Han Wang等人的文章。
4. Deep Potential简介
Deep Potential的目标是利用深度学习技术实现一个通用、准确、计算高效且可扩展的原子间势能模型。其关键组成部分是通过为每个原子分配一个局部参考框架和局部环境来尊重势能模型的广泛和对称不变性。每个环境包含有限数量的原子，其局部坐标以保持对称性的方式排列。然后，通过一个子网络，将这些局部坐标转换为所谓的原子能量。将所有原子能量相加即得到系统的势能。
DeePMD-kit还可以用于构建粗粒化模型，其中我们要参数化的是粗粒化粒子的自由能或粗粒化势能。有关更多详细信息，请参阅DeePCG论文。
5. 下载和安装
请访问我们的[GitHub页面](GitHub release)下载最新版本和开发版本。
DeePMD-kit提供多种安装方法，建议使用离线包、conda或docker等简便方法。您还可以按照安装说明手动安装DeePMD-kit。
6. 使用DeePMD-kit
使用DeePMD-kit的典型步骤包括以下5个步骤：
- 准备数据
- 训练模型
- 冻结模型
- 测试模型
- 在Python中进行推理或在其他分子模拟软件包中使用模型，如LAMMPS、i-PI或ASE。
可以在这里找到DeePMD-kit的快速入门。
有关训练输入脚本选项的完整文档可在这里找到。
7. 故障排除
由于计算机或系统的各种差异，可能会出现问题。以下是一些常见情况：
7.1 模型兼容性
当用于训练模型的DeePMD-kit版本与运行MD的DeePMD-kit版本不同时，可能会出现模型兼容性问题。DeePMD-kit保证具有相同主要和次要修订的代码是兼容的。
7.2 安装：不足版本的gcc/g++
有时您可能使用版本小于4.9的gcc/g++。如果您有版本大于4.9的gcc/g++，可以通过以下方式选择使用：
export CC=/path/to/gcc-7.2.0/bin/gcc
export CXX=/path/to/gcc-7.2.0/bin/g++
如果由于某种原因，例如只有版本为4.8.5的gcc/g++，您仍然可以编译TensorFlow的所有部分和DeePMD-kit的大多数部分。i-Pi将被自动禁用。
7.3 安装：在DeePMD-kit中留下构建文件
当安装DeePMD-kit时，如果尝试第二次构建，之前生成的文件可能导致失败。因此，可以通过以下方式清除它们：
cd build
rm -r *
然后重新进行CMake过程。
7.4 MD：安装新版本的DeePMD-kit后无法运行LAMM
PS
这通常发生在安装新版本的DeePMD-kit并直接将生成的USER-DEEPMD复制到LAMMPS源代码文件夹并重新安装LAMMPS时。
要解决此问题，只需首先通过以下方式从LAMMPS源代码中删除USER-DEEPMD：
make no-user-deepmd
然后安装新的USER-DEEPMD。
如果这不能解决您的问题，请尝试解压LAMMPS源代码tarball并从头开始重新安装LAMMPS，这通常应该非常快速。
这篇关于最小化构建基于深度学习的原子间势能和力场模型-DeePMD-kit的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
